title: 2018-基于切片采样和质心距直方图特征的室外大场景三维点云分类
date: 2020-06-09 00:49:00
tags:

• 论文阅读

摘要

1. 地面滤除
2. 聚类
3. 特征提取
4. SVM分类

简单介绍如何使用electron-ssr在ubuntu下科学上网

Abstract

以y7000为例，简单介绍：

1. 如何删除原有的ubuntu系统？
2. 如何安装新的Ubuntu系统？
3. 如何安装nvidia显卡驱动？
4. 如何解决y7000的无线网卡问题

Abstract

1. ubuntu16.04安装ros
2. 解决sudo rosdep init出错的问题

Abstract

现存的语义分割方法都依赖于大量的特征以及邻域点之间的相互作用，无法发挥他们的潜力。本文提出一个基于CNN的提取高级特征的方法。提出一种将3d点云邻域的特征转化为2d图像的方法。首先，在一个窗口内对每一个点提取他们的局部几何特征、全局几何特征、全波形特征并把特征转为2D图像。然后使用这个生成的图像作为CNN的输入，实现3D语义分割的任务。最后使用ISPRS的数据集进行评估，OverAll可达到82.3。

简单介绍如何使用PCA进行点云法向量估计

Abstract

• 提出一种基于给定点云几何特征的深度学习分类方法。尽管局部受到低密度和建筑物立面缺乏点的影响，还是在ISPRS数据集上取得了预期的效果
• 在提取特征时，提出了一种提取DEM的方法（不详细介绍）

1、引言

基于点分类

• 多特征

• 多尺度

• 点的特征提取收到尺度的限制，在复杂的情况下效果并不好

• 例子

  • 文献1

  • 文献2

    • Semantic point cloud interpretation based on optimal neighborhoods, relevant features and efficient classifiers

基于分割的分类

• 基于分割的分类不仅计算速度较快,而且能提取更加丰富的特征信息,进而提高准确率

方法流程

1.离群点滤除

2.地面滤波，集合法向量差信息滤除地面点

• 文献12

3.使用具有噪声的基于密度的聚类方法对非地面点点云进行分割，针对过分割采用就近融合的策略

• 文献13

4.提取不同物体点云的全局特征

• 垂直方向切片采样直方图VSS

  • 将Z方向划分为100个网格,统计落在每一个网格内的点云个数,将其作为该网格的属性值,最后进行归一化处理,形成一个VSS

• 质心距直方图D2C

  • 求取物体点云的质心后,以质心为球心,以质心到点云数据中距离最大的点的距离为半径做一个外围球,该外围球包围整个物体的点云,然后依次向内等分成１ ００个球体,形成一个同心球簇,如图７( a)所示,三个坐标分别是 X、Y、Z轴,最后统计落在每两个相邻同心球之间球环内的点的个数,求出每个球环内三维点个数占整个物体三维点个数的比率,形成一个100维质心距直方图

• 点云的二维投影图像方向梯度直方图(HOG)特征

  • 文献17

5.SVM进行分类

引用

文献15

• 分类方法对比

文献16 esf特征

数据

文献3

• 武汉大学姚健课题组

XMind - Trial Version

摘要

点云是目前摄影测量、遥感、计算机视觉等多个领域广泛应用的数据源之一，而信息提取是点云处理、分析和应用的必经环节。为此，学术界已经提出了大量点云信息提取方法。本文从基元类型、提取特征、特征选择与分类器等３个视角概括了点云信息提取的相关研究现状，总结出点云信息提取存在的５个主要问题，点明了点云信息提取的６个主要发展趋势，并着重介绍了“融合多基元的点云信息提取范式”。

摘要

• 针对目前机载点云数据量大，建筑物点云不均匀等问题提出一种面向对象构建决策树的建筑点云高精度提取方法。决策树可以同时处理多种特征，并且对缺失值不敏感，利用点云中每个对象的高程信息、粗糙度、法向量分布三个特征，基于信息熵的变化，有监督地从样本数据中学习得到正确的分类器，进而完成待处理点云中建筑物的提取。